基于视觉图像序列的目标检测与跟踪技术是计算机视觉研究领域的热点，其在武器制导、安防监控和智能机器人等方面有着广泛的应用。本文针对静态场景中运动目标的自动检测、标记定位、轨迹预测和模板匹配等算法进行了研究。在满足算法实时性要求的前提下，本文提出了抑制场景干扰的改进算法及其相关处理策略，实现了多个运动目标的检测定位和选定单目标的连续稳定跟踪。目标检测定位主要实现序列图像中可跟踪目标的自动检测和标记定位。在目标检测过程中背景光照变化，场景对象的低对比度和微小运动等现象都会干扰有效目标的正确检测。论文对常用检测算法进行了对比分析，选择目标提取效果较好的背景差算法进行研究，并结合形态学滤波处理提出相应的改进方案。通过实验结果验证了本文搜索检测算法可较好地提取出全视场范围内的有效运动目标。为区分定位检测出的多个有效运动目标，本文对递归和非递归两种标记算法进行了研究，并分析总结了最优标记算法的选取原则。同时，本文结合形心定位处理策略实现了多个运动目标的区分定位。完成检测定位后，通过人工选择确定连续跟踪的目标。目标连续跟踪是确定同一对象在不同帧所在位置的过程。本文的基本思路是利用图像序列前后帧相关性，根据目标位置预测结果进行相似度匹配运算以实现连续跟踪，即是“预测”-“匹配”-“修正”的算法框架。“预测”主要用于确定目标搜索匹配的范围，保证算法不盲目进行位置匹配操作。本文主要对比研究了基于运动轨迹拟合和基于卡尔曼滤波器的预测算法，提出了预测算法的最佳选取原则。在位置匹配过程中，本文主要从模板匹配跟踪算法的角度进行了深入研究。在分析总结了不同匹配运算方案的基础上，本文采用了具有较高匹配精度和较强抗干扰性的去均值化相关算法为基本方案。同时，为克服模板匹配算法实时性上的缺陷，论文研究并提出了对应的优化加速算法方案。为保证目标连续稳定跟踪，本文针对实际应用场景研究设计了连续跟踪阶段的“修正”处理策略，如基于二级阈值门限的相似度判决策略，基于动态加权法的自适应模板更新策略，以及基于改进差异累积图像法的目标再捕获检测算法等。本文主要通过静态场景下地面近距离慢速运动的人物和车辆目标的仿真和实际系统测试实验，验证了本文算法方案的准确性、稳定性和实时性。